y39彩票官方网站_y39彩票登录

能写论文能聊天的机器人是“天使”还是“魔鬼”******

　　■ 专栏

　　ChatGPT只是将人从简单的脑力劳动中解放出来，让人能够更多地投入到复杂的脑力劳动中。

　　当地时间2月1日，美国人工智能研究公司OpenAI，推出ChatGPT付费订阅版ChatGPT Plus，每月收费20美元。自2022年11月30日发布模型至今，聊天机器人ChatGPT正式踏上了商业变现之路。

　　这也意味着，ChatGPT迅速成为了新的风口。微软已经打算把旗下产品全面接入ChatGPT；美版头条BuzzFeed因让ChatGPT上岗写文章，两天内股价上涨3倍；老牌搜索引擎公司谷歌已经在担心自己会被ChatGPT取代；国内也有搜索巨头发布预告，称其即将发布中国版ChatGPT，国内资本市场AI(人工智能)概念股应声而涨。

　　可以说，ChatGPT的正式商用，将把AI带进一个全新世界。

　　ChatGPT被普遍认为是个新风口

　　人机对话，一直是从业者孜孜不倦研究的课题。

　　之前，我们也接触过比如Siri(语音助手)，比如各种智能音箱，但最多只能问问天气，问问一些能搜索到的知识。关键是，你还必须按照标准方式去问，它才能理解，才能给出回答，而且很多回答要么是答非所问，要么就是标准话术。

　　ChatGPT不一样，只需要你用自然的语言和它对话，它就能理解，不需要标准格式。和它对话，就像和人对话一样，这才是真正的人机对话。

　　此外，ChatGPT还有一个智慧的大脑，贮备了丰富的知识，能够给对方一些比较精准的建议，或者提供多个建议供你选择。它还能通过对方的反馈，借助于多轮对话，逐步提高回答的精准度。这已经就和人非常相似了。

　　而且，ChatGPT还能够将答案以一种人容易理解的语言组织起来，生成人容易理解的答案。总而言之，它是和人高度相似的说话机器，在知识量方面又远超个人，无人能及。因此，AlphaGo之后，ChatGPT被普遍认为是一个新风口。

　　把人从简单脑力劳动中解放出来

　　正因为ChatGPT如此强大，也让人们有些担忧。

　　如果程序员都借助于ChatGPT写程序，一些初级的程序员就可能失去工作；如果设计部门、策划部门大规模使用ChatGPT，一些初级的设计师、策划人员也可能被取代。甚至那些我们认为不可取代的门诊医生，如果ChatGPT学习能力越来越强，又有什么理由说不可取代？

　　因此，我们需要思考的是，ChatGPT带来的变革是巨大的，人类是否对此做好了充分的准备？

　　当然，ChatGPT也不是魔鬼。一种新的技术的到来，必定会淘汰一些技术和技能，但同时就会有新的需求出现。只是，在时代的大潮中，人类只能去适应，而不是抗拒，去拥抱变化，而不是墨守成规。

　　比如，历史上，蒸汽机、电力、电子计算机的出现，无不是为了解放人类，将人类从繁重的体力劳动中解放出来，更多地投入到脑力劳动中去。ChatGPT也只是将人从简单的脑力劳动中解放出来，让人能够更多地投入到复杂的脑力劳动中。

　　国内公司也已经开始发力新赛道

　　ChatGPT火爆全球，国内的巨头们自然也不会错过这个机会，且已有公司率先发力成为ChatGPT类应用的玩家，并计划在今年3月份推出类似ChatGPT的应用。

　　对于这种必须直接面对的竞争威胁，国内公司也可以说是早就做好了相关准备。比如，去年火爆一时的AI绘画，就是一个AI艺术和创意辅助平台，也是依托技术创新推出的AI绘画产品。

　　完全可以预见，以国内公司在此方面的积累，加入ChatGPT类应用竞赛的中国玩家，也将带动国内相关各方在这一全新赛道上奔跑起来。

　　自从有了语言，猿人就变成了智人。而自从成为了智人，人类的发展突飞猛进。在人类漫长的历史长河中，语言扮演着无比重要的角色。

　　而今，机器解决了语言问题，能够听懂人话了、开始说人话了，其是否也会带来一场暴风骤雨般的革命？ChatGPT给我们带来了无尽的想象空间。

　　□刘兴亮(DCCI互联网研究院院长)

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）